赋予 AstrBot 使用 Bright Data（MCP + skills）与网络交互的能力

在本教程中，你将学习：

• AstrBot 是什么，以及它作为开源 AI 智能体平台提供了什么。
• 为什么添加实时网页访问能让 AstrBot 在真实世界任务中更有效。
• Bright Data 如何为 AstrBot 配备企业级网页搜索、抓取、发现和浏览器自动化工具。
• 如何将 Bright Data Web MCP 与 AstrBot 集成。
• 如何使用 Bright Data 技能 通过 Bright Data 产品专业知识增强 AstrBot。
• 将 AstrBot 与 Web MCP 和 Bright Data skills 结合后的结果。

让我们开始吧！

什么是 AstrBot？

AstrBot 是一个开源、跨平台的 AI 智能体框架。它将由 LLM 驱动的助手直接带入 Telegram、Slack、Discord、WeChat 等流行聊天应用中。

它通过支持智能体工作流、工具调用、MCP、技能 和知识库，超越了传统聊天机器人。它还提供用于自动化、客户支持、企业知识管理和个人 AI 助手的插件扩展。

AstrBot 已获得 36.5k+ GitHub stars，拥有 1,000+ 社区插件和 200k+ 每周活跃用户。

主要功能

AstrBot 支持的主要能力：

• 多平台支持：通过 Telegram、Slack、Discord、QQ、WeChat、Lark、DingTalk 以及许多其他消息平台与你的智能体聊天。
• 原生 MCP 支持：通过 Model Context Protocol 集成外部工具和服务。
• 技能 集成：使用可复用的 skills 扩展智能体，提供专门的能力和工作流。
• 1,000+ 插件生态系统：通过丰富的社区维护插件市场添加新功能和集成。
• 知识库：构建使用 PDF、DOCX 文件、Markdown 和其他文档回答问题的 AI 助手。
• 多提供商 LLM 支持：可与 OpenAI、Anthropic、Google Gemini、Ollama 以及许多 OpenAI 兼容提供商配合使用。
• 智能体沙箱：在隔离的运行时环境中安全执行代码和 shell 命令。
• 强大的 WebUI：从集中式界面配置模型、插件、MCP 服务器、日志和调试。
• 灵活部署：使用 uv、Docker、桌面应用、启动器或云环境进行部署。
• 工作流自动化：调度任务、编排工具，并为真实世界工作流构建自主 AI 智能体。

在官方文档中了解更多。

为什么 AstrBot 需要访问网络

毫无疑问，AstrBot 是一个功能先进且扎实的 AI 框架。然而，与所有由 LLM 驱动的应用一样，它继承了这些基本限制：

• 过时的知识：LLM 是在静态数据集上训练的，这些数据集会停留在某个特定时间点。
• 对网络的访问有限：仅靠它们自身，无法可靠地与网页交互。

AstrBot 通过内置网页搜索工具帮助克服了部分挑战。不过，在大规模使用时，或在访问受反机器人技术保护的网站时，例如 CAPTCHA、速率限制和指纹识别，该工具仍可能遇到困难。

这正是 Bright Data 发挥作用的地方。通过将 AstrBot 连接到 Bright Data 解决方案，智能体可以获得用于实时网页搜索、数据提取、网站发现、浏览器自动化和数据集检索的企业级工具。

Bright Data 的与众不同之处在于其全球网页数据基础设施，由超过 4 亿个住宅 IP 提供支持。这种架构提供了生产工作负载所需的可扩展性和可靠性，支持无限并发、99.99% SLA 保障的正常运行时间，并实现 99.95% 的请求成功率。

Bright Data 如何通过网页搜索、抓取、发现和交互支持 AstrBot

Bright Data 可以通过两种集成连接到 AstrBot：

• Bright Data Web MCP：一个 MCP 服务器，公开 70+ 个用于网页搜索、抓取、结构化数据提取和浏览器自动化的工具。
• Bright Data 技能：一组 Agent skills，为 AstrBot 提供有关 Bright Data 产品、推荐工作流和最佳实践的专业知识。这些 技能 大多数依赖 Bright Data CLI。

注意：这两种方法是互补的。例如，某个特定的 Bright Data skill 可以帮助 AstrBot 理解何时以及如何有效使用 Web MCP 工具。

Web MCP 和 Bright Data 技能 结合起来，将 AstrBot 转变为能力更强的 AI 智能体。借助它们，它可以执行实时网页研究、浏览器自动化和结构化数据提取。

Bright Data Web MCP

Bright Data Web MCP 为 AstrBot 配备了一大套由 Bright Data API 驱动的工具。

在 Rapid mode（每月提供 5,000 次免费请求的免费层级）中，AstrBot 可以使用网页研究和数据提取的核心工具。这些包括：

工具	描述
search_engine（以及用于并行搜索的 search_engine_batch）	从 Google、Bing、Yandex 等检索结构化搜索结果。
scrape_as_markdown（以及用于并行抓取的 scrape_batch）	从网页中提取干净的 Markdown，同时自动处理反机器人保护。
discover	通过相关性排序和基于意图的过滤执行 AI 驱动的网页发现。

启用 Pro mode 后，AstrBot 可以访问用于从 LinkedIn、Amazon、Instagram、Walmart、YouTube、Google Maps、Zillow、TikTok 以及其他 40 多个平台提取结构化数据的工具。它还解锁了多个由 Bright Data 的 Browser API 支持的浏览器自动化工具。

Bright Data 技能

Bright Data skills 通过专业知识和工作流扩展 AstrBot。它们帮助智能体选择合适的 Bright Data 服务并遵循推荐的最佳实践。

一些可用的 技能 包括：

Skill	描述
agent-onboarding	指导新智能体完成 Bright Data 设置，并推荐 MCP、CLI、API 和身份验证工作流。
search	执行实时 Google 搜索并返回结构化搜索结果。
scrape	说明如何通过自动反机器人处理提取干净的网页内容。
scraper-builder	通过分析网站并生成提取逻辑，帮助构建生产就绪的爬虫工具。
scraper-studio	通过 Bright Data CLI 创建并运行 AI 生成的抓取工具。
brightdata-cli	教智能体如何使用 Bright Data CLI 进行抓取、搜索、数据集、代理和账户管理。
bright-data-mcp	为编排 70+ 个 Web MCP 工具提供指导。
brightdata-proxy	为 Python、Node.js、Playwright、Puppeteer、Selenium 和其他环境生成代理集成代码。
seo-audit	使用实时网站数据和搜索信号执行 SEO 分析。
competitive-intel	支持竞争对手监控、价格分析、评论跟踪和市场研究。
price-comparison	比较主要在线零售商的产品价格和可用性。
live-research	通过结合网页发现、提取和 AI 摘要来构建研究报告。
brand-listening	分析多个来源中的品牌提及、情绪和在线讨论。
rag-pipeline	帮助使用实时网页数据构建检索增强生成（RAG）管道。
bright-data-best-practices	为 Bright Data API 和网页数据工作流推荐最佳实践。

AstrBot 设置：分步指南

在本节中，你将看到如何设置 AstrBot 并将其连接到 Telegram。

注意：你可以轻松地将以下说明适配到任何其他该库支持的消息平台。

先决条件

确保你拥有：

• 在本地机器上安装了 uv。
• 来自 AstrBot 支持的某个 LLM 提供商的 API key。这里，我们将使用 OpenAI API key。
• 一个 Telegram 账户，并有一个准备连接到 AstrBot 的 bot。按照官方指南创建 Telegram bot 并获取其 bot token。

步骤 #1：安装并运行 AstrBot

首先，通过运行以下命令安装 AstrBot：

uv tool install astrbot, python 3.12

接下来，导航到你的项目文件夹并初始化 AstrBot 设置：

astrbot init

你将收到一个提示，询问是否要在当前目录中安装 AstrBot。输入 “Y” 继续：

设置完成后，使用以下命令启动 AstrBot：

astrbot run

你应该会看到类似以下的输出：

AstrBot WebUI 现在将在 http://localhost:6185 可用。在浏览器中打开此 URL，并使用终端日志中提供的凭据登录：

登录后，设置一个新密码以访问 AstrBot WebUI 中的控制面板。做得好！

步骤 #2：添加 LLM 集成

在 AstrBot WebUI “Welcome” 页面上，点击 “Configure AI Model” 部分中的 “Configure” 按钮开始：

这里，我们将把 AstrBot 连接到 OpenAI（但对于任何其他受支持的 LLM 提供商，流程类似）。选择 Add 并选择 “OpenAI Compatible” 选项。“openai” 配置模态窗口将打开。将你的 OpenAI API key 粘贴到对应字段中：

点击 “Save and Fetch Models” 以动态检索可用的 OpenAI 模型。然后，选择你想使用的模型。在此示例中，我们将依赖 OpenAI GPT-5.4 Mini：

最后，按 “Save” 应用配置并返回 “Welcome” 页面。你的 AstrBot 智能体现在由 OpenAI LLM 驱动。太棒了！

步骤 #3：配置 Telegram 连接

在 AstrBot WebUI “Welcome” 页面上，点击 “Configure Platform Bot” 下的 “Configure” 按钮。在 “Add Platform Adapter” 模型中，选择 “Telegram”，并将你的 Telegram bot token 粘贴到对应字段中：

按 “Save”，然后打开你的 Telegram bot（在此示例中命名为 “AstrBot Agent”）。你应该会收到一条包含以下文本的消息：

Hello, I'm AstrBot!

要验证 LLM 集成是否正常工作，请发送一条测试消息，例如：

Hey, how's it going?

你应该会收到类似这样的响应：

这是由 GPT-5.4 Mini 生成并通过 AstrBot 发送的。

设置完成！该框架现在已完全配置，你可以通过 Telegram 与其交互。

将 AstrBot 连接到 Bright Data Web MCP

在本章中，你将学习如何在 AstrBot 中设置 Bright Data Web MCP。

先决条件

为了更顺利地完成本节，请确认你具备：

• 对 MCP 如何工作的基本理解。
• 熟悉 Bright Data Web MCP 提供的工具。

此外，你必须拥有一个配置了 API key 的 Bright Data 账户。阅读官方指南以生成你的 Bright Data API key。

步骤 #1：熟悉 Bright Data Web MCP

开始之前，请记住 AstrBot 建议将其连接到远程 MCP 服务器。因此，我们不会使用 @brightdata/mcp 包设置本地 Bright Data Web MCP 服务器，而是将集成远程 Web MCP 服务器。

注意：远程 Bright Data Web MCP 面向企业级部署而构建。它支持无限可扩展性和并发连接，就像 Bright Data 的所有其他服务一样。

首先，熟悉标准 Web MCP 连接 URL：

https://mcp.brightdata.com/mcp?token=<YOUR_BRIGHT_DATA_API_KEY>&pro=1

将 <YOUR_BRIGHT_DATA_API_KEY> 替换为你的 Bright Data API key。token 参数会验证你的请求并将其与你的 Bright Data 账户关联。

&pro=1 参数是可选的：

• 带 &pro=1：访问包含 70+ 工具和高级能力的完整目录。适用标准 Bright Data 使用费用。
• 不带 &pro=1：仅获取 Rapid mode 中可用的免费工具（每月最多 5,000 次请求）。

现在，假设你需要对公开的工具进行更细粒度的控制。例如，你想配置仅访问特定工具或工具组。在这种情况下，你可以从 Bright Data 控制面板生成自定义 Web MCP 连接 URL。

登录你的 Bright Data 账户，并导航到 “AI Gateways > MCP” 页面。按照设置向导配置你的 MCP 服务器并生成自定义连接 URL：

复制生成的 “Streamable HTTP” 连接 URL，或使用上面显示的格式构造一个。你将在下一步中使用此 URL 将 AstrBot 连接到 Bright Data Web MCP。很酷！

步骤 #2：在 AstrBot 中添加 Bright Data Web MCP 连接

AstrBot 允许你直接从其 WebUI 配置 MCP 连接。

要添加新的 MCP 服务器，打开左侧的 “Extensions” 下拉菜单并选择 “MCP Servers” 选项。在 “MCP” 页面上，点击右下角的 “+” 按钮：

给你的 MCP 服务器起一个名称（例如，“Bright Data Web MCP”），并粘贴以下配置：

{
  "transport": "streamable_http",
  "url": "<YOUR_WEB_MCP_CONNECTION_URL>"
}

将 <YOUR_WEB_MCP_CONNECTION_URL> 替换为之前检索到的 Bright Data Web MCP 连接 URL。

按 “Test Connection” 验证 MCP 服务器是否配置正确。如果连接成功，AstrBot 将显示一条确认消息，随后显示可用工具列表：

使用 Pro mode（&pro=1）时，你将看到全部 70+ 个 Bright Data Web MCP 工具。

点击 “Save” 完成集成。./data/mcp_server.json AstrBot 配置文件将包含：

{
  "mcpServers": {
    "Bright Data Web MCP": {
      "active": true,
      "transport": "streamable_http",
      "url": "<YOUR_WEB_MCP_CONNECTION_URL>"
    }
  }
}

或者，你可以通过手动编辑此配置文件来实现相同结果。

保存后，“MCP” 页面将显示新的 “Bright Data Web MCP” 条目，该条目默认应处于启用状态：

太棒了！AstrBot 现在已连接到 Bright Data Web MCP，并且可以调用其网页交互工具。

在本指南稍后部分，你将看到一个同时使用 Web MCP 和 Bright Data 技能 的 AstrBot 设置。

使用官方 skills 向 AstrBot 添加有关 Bright Data 的知识

下面，你将被引导通过使用 Vercel 的 技能 CLI 工具将 Bright Data skills 添加到 AstrBot 的过程。

注意：如果你不想使用 skills，可以直接从官方仓库下载 技能。导航到 skills/ 文件夹，使用其内容创建一个 ZIP 存档，并在 AstrBot 中从 “Extensions > 技能” 页面手动上传它。

先决条件

在完成本节之前，请检查你是否具备：

• 基于 UNIX 的环境（Linux、macOS 或 WSL）。
• 本地安装了 Node.js 22+。
• 本地安装并配置了 Bright Data CLI。这是使用 Bright Data 技能 的主要要求。要快速设置，请参考 “Bright Data CLI：安装与设置” 指南。或者，查阅专门的博客文章以获取更多详细信息。
• 对 Bright Data 技能 提供什么有基本理解。更多信息，请阅读我们博客上的 Bright Data skills 文章。

也建议对 Agent 技能 标准 skills CLI 工具有一定熟悉，但不是必需的。

步骤 #1：安装 Bright Data 技能

要使用 skills CLI 工具将 Bright Data 技能 添加到 AstrBot，请运行：

npx skills add brightdata/skills -a astrbot

此命令会安装 技能 npm 包并启动设置过程。这将：

1. 从 Agent 技能 Directory 下载 Bright Data skills。
2. 将它们配置为全局使用或在你的本地项目中使用。

然后系统会提示你选择要安装哪些 技能：

要安装所有可用的 技能，请使用空格键逐个选择，然后按 Enter 继续。

接下来，选择安装范围。由于 Web MCP 集成是在本地配置的，你也应在本地安装 Bright Data skills。因此，选择 “Project” 选项并按 Enter：

再次按 Enter 确认安装。完成后，你将看到一条确认消息：

Bright Data 技能 现在可在 AstrBot ./data/skills 目录中使用。太好了！

步骤 #2：确认 技能 可用

返回 AstrBot WebUI 并打开 “Extensions > skills” 页面：

你将看到一个列表，其中包含你刚刚安装的所有 Bright Data 技能。

注意：如果 skills 没有出现，请尝试刷新页面。

可选地，如果你尚未配置 Bright Data CLI，请运行 onboarding skill。在 Telegram 中写入：

/agent-onboarding

这会加载专门的 Bright Data onboarding skill，它会引导你完成其他 Bright Data 技能 所需的设置过程。要运行它，你还必须授予 AstrBot 执行 shell 命令的权限。

任务完成！在下一章中，你将学习如何在 AstrBot 中一起使用 Bright Data Web MCP 和 技能。

AstrBot + Bright Data Web MCP 和 skills：完整示例

你的 AstrBot 智能体现在拥有与网络交互所需的企业级工具和知识。这使它能够处理需要实时网页数据、浏览器自动化和结构化数据提取的广泛真实世界用例。

例如，假设你想将 AstrBot 用作购物助手。现代电子商务网站通常受到先进反机器人技术保护，使 AI 智能体难以与它们交互。更多信息，请参阅我们的电子商务抓取指南。

通过集成 Bright Data，AstrBot 可以在搜索网络、与网页交互以及提取完成你的请求所需的信息时绕过这些限制。

现在，想象你想通过 Telegram 使用 AstrBot 来帮助你在 Zara 网站上找到一个产品。请看下面的步骤！

步骤 #1：启动提示词

从这样的提示词开始：

Search Google for the Zara men's polo shirts sale page. Visit the page in a browser and return a full-page screenshot.

你应该会收到类似以下的响应：

注意智能体是如何完成任务的。在幕后，它：

• 调用了 search_engine 工具（由 Bright Data 的搜索引擎 API 支持）在 Google 中搜索 “Zara men’s polo shirts sale page” 查询。
• 解析返回的 JSON 格式 SERP 以识别正确页面。
• 使用 scraping_browser_navigate 工具（由 Bright Data 的 Browser API 驱动）在云浏览器实例中打开页面。
• 使用 scraping_browser_screenshot 工具捕获整页截图。
• 返回截图和页面 URL。

如果你打开 AstrBot WebUI 并导航到 “Platforms > Platform Logs”，你可以检查智能体使用的每个 Web MCP 工具和 Bright Data skill：

假设你打开截图，喜欢第三个产品，并希望 AstrBot 检索关于它的所有信息。你可以发送这样的提示词：

I like the third product, the Zip Polo Sweatshirt. Get the URL of its product page, then scrape it to extract the main product information. Return the results in a structured text message.

响应应该类似这样：

在底层，AstrBot 调用多个 Bright Data 工具来识别产品页面并提取其信息。根据工作流，它可以使用 scrape_as_markdown 或专用工具（例如 web_data_zara_products，它基于 Bright Data 的 Zara Web Data API）检索数据。

步骤 #2：分析输出

注意，上一条消息返回的信息与 Zara 官方产品页面上可用的信息一致：

产品页面可能需要多次手动交互才能显示其全部信息（例如，展开 “PRODUCT MEASUREMENTS” 部分）。尽管如此，得益于 Bright Data 的 Web MCP 公开的专用工具，AstrBot 仍能够返回完整的产品详细信息。

从这里开始，你可以自然地继续对话。例如，你可以询问 AstrBot 该产品是否值得购买，将其与类似替代品进行比较，或推荐同一价格范围内的其他产品。

Et voilà！这个简单示例突显了 AstrBot 在与 Bright Data 集成后变得多么强大。没有 Web MCP 和 Bright Data 技能，它将无法可靠地完成依赖实时网页搜索、网站发现、数据提取和自动化浏览器交互的工作流。

结论

在这篇博客文章中，你了解了 AstrBot 是什么以及它带来了什么。尤其是，你看到了如何通过 Web MCP 和 Bright Data skills 集成 Bright Data 来扩展其功能。

借助 Bright Data，AstrBot 可以利用用于实时网页研究、爬虫和来源发现的工具。这使它能够基于准确、上下文化、可验证的信息生成更有依据的响应。它还可以使用云浏览器交互工具，让你能够将复杂的网页工作流直接委托给智能体。

对于更高级的场景，请探索 Bright Data 生态系统提供的全套 AI 就绪网页数据解决方案。

立即免费注册 Bright Data，开始探索我们的网页数据解决方案！